基于自校正LS-SVM的电厂锅炉烟气含氧量软测量系统

《基于自校正LS-SVM的电厂锅炉烟气含氧量软测量系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第12期唐振浩等．基于自校正LS-SVM的电厂锅炉烟气含氧量软测量系统基于自校正LS—SVM的电厂锅炉烟气含氧量软测量系统唐振浩段洁曹生现王恭(东北电力大学自动化工程学院，吉林吉林132012)摘要电站锅炉烟气舍氧量(BFGOC)能够直接反映锅炉的运行状态，是节能减排和锅炉控制的重要指标。针对传统测量方法成本昂贵及使用寿命短等缺陷，提出一种基于自校正最小二乘支持向量机(LS—SVM)的电厂锅炉烟气含氧量软测量方法，首先结合机理分析和数据相关性分析选取相关过程变量，然后设计差分进化算法针对问题特点优化LS·SVM算法参数，保证测量精度。实验结果

2、表明其最大测量误差绝对值低于0．07，相对误差低于3％，满足实际生产需要。关键词烟气含氧量锅炉软测量最小二乘支持向量机差分进化算法中图分类号TH865文献标识码A文章编号1000—3932(2015)12-128l旬4根据国家能源局2015年发布的信息，我国2014年火力发电设备容量为91615万千瓦，约占全口径发电设备容量的67．32％，这说明火力发电仍然是我国当前最主要的发电方式。火电厂锅炉生产过程的重要指标是锅炉烟气含氧量，烟气含氧量过高锅炉热效率会降低，烟气含氧量过低则煤炭不能完全燃烧，影响锅炉热效率的同时也容易造成排放物超标‘1。。

3、因此控制火电厂锅炉烟气含氧量在合理范围内，保持锅炉在最佳的运行状态，是电厂降低燃料消耗和污染排放的重要手段。为了实现火电厂锅炉烟气含氧量的高精度控制，就要实时高精度获取相关的检测信息。目前常用的烟气含氧量检测方法有：磁式氧气传感器和氧化错氧气传感器。这两类传感器的安装环境高温高噪声，所以经常要校正或更换传感器，而且检测结果的传输也比较滞后。为了解决传统传感器技术的不足，软测量技术成为火电厂锅炉烟气含氧量控制的重要技术之一旧’3I。卢洪波等对电站锅炉飞灰含碳量进行建模估计H’51，李少华等对锅炉烟气中CO的含量基于神经网络进行建模∞1；在锅炉烟

4、气含氧量软测量方面，湛腾西、袁俊文及韩璞等分别提出改进的神经网络方法进行建模，并取得了一定的成果o。⋯；王刚等采用差分进化和序列最小优化算法(SequentialMinimalOptimization，SMO)相结合的方法实现烟气含氧量的软测量¨引。文献[11一14]分别设计了基于支持向量机和最小二乘支持向量机的软测量方法。这些方法虽然都取得了一定的成果，但在测量精度方面仍有改进空间。为此，笔者提出一种基于差分进化算法的自校正LS．SVM算法建立软测量模型，首先根据已有经验和实际数据分析选取适当的过程变量，并考虑含氧量变化的时序特点建立建模数

5、据库；然后根据问题特点，采用差分进化算法校正LS—SVM参数；对差分进化算法进行改进，改善算法局部寻优能力，获取更高的测量精度；最后对该方法进行了验证。1建模数据选取1．1电厂锅炉生产过程电厂锅炉生产过程具有强非线性及时变性等特点，其生产过程可以简单概括为进料、燃烧和废气排放3个部分，如图l所示。在进料过程中，被磨煤机研磨成的煤粉经一次风机通过管道送入给粉机，煤粉经过给煤机送人炉膛燃烧。燃烧过程产生的热量将炉内水冷壁中的水加热形成水蒸气。燃烧结束后产生的烟气经引风机排出。收稿日期：2015—10-13(修改稿)基金项目：国家自然科学基金资助项

6、目(61500307251376042)；吉林市科技发展计划项目(201464047)化工自动化及仪表第42卷+烟7C+给水一煤粉一空气+其他过程变量图I电厂锅炉生产过程简图1．2烟气含氧量数据分析电厂锅炉生产过程复杂，通过机理分析可知对烟气含氧量影响较大的因素有给水流量、燃料量、主蒸汽流量、主蒸汽压力、送风量、引风量、送风机电流、引风机电流、机组负荷、再热蒸汽温度及排烟温度等。由于炉况和实际生产环境的不同，这些影响因素与烟气含氧量在实际生产过程中的相互关系也不稳定。针对不同炉况，用现场采集数据进行相关性分析，采用Pearson相关性分析法对

7、影响因素和烟气含氧量之间的相关性进行分析，同时对实际生产数据进行相关性分析，从分析结果中选取0．01和0．05水平显著相关的变量作为建模输入量。选取主蒸汽压力、机组负荷、排烟温度、引风机电流、送风量、给水流量、炉膛负压、炉膛温度和再热器温度作为所研究锅炉的主要影响因素；由于温度变化具有时序特征，某一时刻温度与前Ⅳ时刻的温度相关，经过相关性分析，在实验中选取J7、r为5。在此共选取了14个参数作为输入变量构造锅炉烟气含氧量软测量模型。2烟气含氧量数据解析建模2．1数据预处理实际生产中获取的数据存在噪声数据和数据缺失现象，为此采取相应的处理方法：

8、a．对数据中的噪声进行处理。对建模时间段内不同参数的数据进行统计分析，计算各参数的期望肛和标准差盯。根据拉依达准则，将数值中在[肛一3tr，p+3tr]区间之外的数